博士研究工具之统计分析的类型
统计分析的目的是收集数据并进一步分析收集的数据。这些数据是大信息，需要计算才能获得相关结论。统计分析的目标是从大量数据中推断出信息，并通过图形、计算、图表和表格来表达它们。

描述性统计分析
统计分析的描述性类型提供了数据的描述。它总结了有关收集数据的所有信息，以便从解释中获得全面的意义。基于描述性统计分析的使用，研究得出必要的结论，以及对所获得数据的详尽定量描述。
例如：
要了解学生一年的表现，应评估全年获得的平均分数的计算。平均计算是学生在一年内在每个科目中获得的分数之和除以科目总数。达到的平均值是描述学生整个表现量表的单个数字。

推论统计分析
推论统计分析的范围是通过抽样模式对海量数据集的信息进行概括。在这个分析企业中，研究人员认为样本代表批量数据。该方法遵循以下任一程序：
• 估计参数，或
• 检验假设
例如：
考虑无偏见的 100 到 200 人来代表特定位置的人口称为抽样。推论统计分析批判性地评估从样本中收集的信息，以得出相关结论。

预测性统计分析
预测统计分析的目的是根据过去的常规事件进行预测。它分析了一系列事件，以便可以招募关于“未来会发生什么”的必要可能性。这种分析方法用于生活的各个领域。基于复杂的事件处理、图分析、模拟、算法、业务规则和机器学习，它证明了决策过程的合理性。这些决定显示了对该问题的有效性，可以为未来的问题提供解决方案。这种分析方法通常用于进行与不确定性和风险相关的预测。金融服务、营销和在线服务等业务领域意味着预测分析以获得竞争优势。
例如：
随着社交媒体平台的出现，用户可以获得不同娱乐和购物来源的推荐。这些建议基于通过分析用户使用的数据从在线流媒体平台收集的数据。历史、购物网站、搜索关键词，都是预测用户花钱娱乐和购物的正确推荐的手段。

规范性统计分析
规范性统计分析旨在得出“将会发生什么，以及何时发生”的精度。基于建模、数据挖掘和人工智能主导的统计评估，规范性统计分析将从内部来源收集的信息与从第三方来源获得的数据相结合。从那里，这种分析方法可以深入了解为各自的操作或事件开发更好可能性的方法。这种分析能够预测未来可能发生的事情，以及应该做些什么才能从后果中获得最大收益。这项规定是为了深入了解根据以前的建议为不同行动选择的不同选择。
例如：
像Waymo这样的自动驾驶汽车是规范性统计分析的结果。这辆车经历了无数次的计算才能完成一次旅行。根据规定的情况和基于传感器的信息，这辆车做出自行驾驶的决定。

因果统计分析
因果统计分析的相关性基于它提供理由来了解“为什么”某些甚至以这种方式发生的能力。它是一种统计分析，旨在找到导致某些成功或失败事件的原因。这种分析方法在抵抗或预防整个灾害方面是有效的。
例如：
在管理COVID-19大流行的情况下，研究人员通过机器学习和强大的统计算法分析了一系列以前的流行病。目的是找到其传播的原因和预防它的方法。根据特定原因的推导，研究人员试图在未来承担COVID-19 的影响。甚至对 2020 年 COVID-19 的病例和发展也进行了分析，以建立更好的盾牌，以限制其在 2021 年的传播。

探索性数据分析
探索性数据分析（EDA）侧重于评估不同的数据集，从而总结研究问题的核心相关问题。它被标识为推理统计的指数实体，通过各种可视化方法表示。数据科学家使用这种统计分析来识别模式，并从那里深入了解隐藏在其中的未知知识领域。这些推导通过图形或非图形表示来表示，遵循以下过程：
查找未知关系 à 检查假设 à 做出假设
例如：
在预测用餐聚会中向服务员提供小费的趋势的过程中，考虑的变量是小费金额、账单总额、性别或付款人、吸烟区或非吸烟区、日期、时间和聚会规模。EDA推测，假设小费可能取决于用餐聚会上可用的人数。随着参加聚会的人数增加，账单金额增加，因此小费减少。

机理分析
机械统计分析适用于大型行业。这种统计分析的核心方法旨在了解所考虑变量的确切变化类型，这些变化会导致其他形式的变量。整个过程取决于通过给定的系统方法机械化的假设。它容易受到内部组件之间相互作用的影响。没有外部组件影响的余地。
例如：
车祸的发生率可以通过机械统计分析进行分析。在这样做时，可以在变量下标记有关乘客和驾驶员对碰撞反应方式的无数信息。所有这些变量都可用于开发机械模型的确定模式，提供有关碰撞的影响和反应的详细信息。这些数据可以进一步开发，以在汽车中生成安全功能。
最终，可以说，不同类型的统计分析的应用可以实现到各种信息。对于所有这些类型的统计分析，核心目标是得出结果，以便将来能够产生更好的情况。